EN

AI FOR SCIENCE · 访谈

Geoffrey von Maltzahn 说,Lila 的模型用不到 2% 的自家实验数据做后训练,就超过了知名大模型和博士科学家

Monty (March Capital) · 32:20 · 在 YouTube 打开 ↗
嘉宾
Geoffrey von MaltzahnLila Sciences 联合创始人兼 CEO人物页:任职与记录 →
公司
Lila Sciences机构页:融资、人物、研究 →
来源
Monty (March Capital) ↗发布于 · 32:20

Lila 联合创始人兼 CEO Geoffrey von Maltzahn 说,用自家自动化实验室的数据做后训练,不到这些数据的 2% 就能让模型超过知名大模型和开卷作答的博士科学家;首座规模化 AI 科学工厂约五个足球场大,开放给商业伙伴的约 25% 产能已经卖完。

用自家自动化实验室的数据做后训练,他说不到 2% 就超过知名大模型和博士科学家

von Maltzahn 说,别人在把互联网塞进更大的模型,Lila 则把读过全部文献的模型放到自家自动化实验室的数据上做后训练,由此看到一条新的“科学智能规模律”:在 Lila 为材料、化学和生命科学搭的最难基准上,用不到这批数据 2% 的量,模型就超过了“家喻户晓”的大模型,也超过了开卷作答的该领域博士科学家。他称这是“决定性的证据”:扩大实验室和算力,就能可预测地得到更高的科学智能。

他认为通向科学超级智能的路像下棋,谁的“核验器”最大谁胜出

von Maltzahn 说,ChatGPT 之后有人以为算力和参数无限大,智能就能从互联网里无限流出;他的看法是,从互联网里得到的是接近人类的智能,只拿洞穴壁画训练,科学走不远。国际象棋和围棋的超级智能不是学人类棋谱学出来的,而是让模型自己下。数学和编程也这样在进步,因为结果能在电脑上反复核验。科学的大多数假设不能在电脑上核验,所以他说,谁有最大的核验器,谁的科学智能就最高;要有这样的核验器,就得把科学方法自动化。

现在能做,是因为通用的科学模型和能做灵巧操作的机器人同时到位

被问到为什么是现在,他说自动化科学方法要两样东西:一个足够通用的科学头脑,现在做得到;还要能做他读研时双手做的事,也就是世界上每个实验室里的那套灵巧操作,这要靠机器人眼下的进展。Lila 把前沿模型和应用模型接到从前沿到常规的整套机器人上,想把任何一项科学工作变成一张仪器清单:仪器在平台上,科学就能自己转起来。

三年前的“能对话的实验室”,现在由模型自己调实验、读数据、更新自己

节目在 Lila 剑桥的临时设施录制,他把这里叫作自动化科学的“小鹰镇”:三年前团队在这里做出第一个“能对话的实验室”,像是科学方法的自动补全,会建议下一步做什么,也能自己分析数据。之后他们把它做成所谓 AI 科学工厂:过去的数据集答不了的问题,由模型通过软件调用自动化实验室,做实验、分析数据,再拿结果更新提出假设的那个模型。这套设施以处理液体为核心,生命科学、化学和材料共用;眼下用它反复合成量子点,一类几年前获诺贝尔奖的纳米材料。

首座规模化科学工厂约五个足球场大,一套平台同时做生命科学、化学和材料

首座规模化 AI 科学工厂刚进入第一阶段,他说约有五个足球场大,主持人说正式开幕在 1 月。他说过去要攻生命科学、化学或材料中的任何一个,都得搭一套专门的方法;Lila 搭的是一套通用的模型、软件和机器人,同一屋檐下既能和客户找治癌的药,也能找新的超导体。

全天运转一年超过 8,000 小时,是朝九晚五的四倍多,他称之为科学的复利机器

他借芒格的两句话讲复利:理解复利的力量和实现它的难处,是理解很多事的核心;复利的第一条规则是不要无谓地打断它。他说科学方法就是一种复利,每转一圈,对世界的掌握就多一点,而他读研时总在打断它,因为人要睡觉、要过周末。一个机构的科学产出大约是朝九晚五,一年约 2,000 小时;全天运转超过 8,000 小时,决定又从会议挪到 GPU 上,快一百万倍。这就是他要造的“科学的复利机器”。

开放给商业伙伴的约 25% 产能很快卖完,他说平台也因此要加固

他说商业大门几个月前才开,对外讲得很少:约半年前,从 General Catalyst 加入的企业发展总裁要了约 25% 的实验室产能做商业项目,很快卖完,眼下相当一部分产能在可见的将来也快要订满。合作方在找超导体、磁体和量子材料,也有几年内能进入临床试验的药物。这是第一种生意,让合作方用整套平台做研发;他说这在加强平台,也让团队看到平台在一些重要方面还要加固,刚开完的两天管理层会议谈的就是这个。

他预测两年后科学家每人每年要花几万美元算力,钱流向科学智能最强的模型

他说中期、也是最重要的生意是卖科学智能本身。两年前智能体编程的市场是零,现在有几千亿美元的需求;今天智能体科学家的市场也是零。他预测大约两年后,不在算力上每年花几万美元就做不了科学家,按全球一千万科学家算,是流向科学智能最强模型的几千亿美元。他还说,人类科学的总市场约 10 万亿美元,比人更高的科学智能值得多得多,他半开玩笑地称之为“半无穷”。

规模律和卖出的产能都是他的自述,主持人是 Lila 的投资人

规模律没有给出任何数字:基准是 Lila 自己的,没说比的是哪些模型、多少道题、领先多少,也没有论文或外部评测;记录里 Andrew Beam 在 Ray Summit 上的那条曲线同样是内部数字。卖出的产能没有客户名、金额或通量。主持人 Jamie Montgomery 是 March Capital 联合创始人,March Capital 参与了 Lila 的种子轮和 A 轮,他也说自己是 Lila 的投资人。

来源与读法

读于 2026.11.16 节目页上的完整文字稿(带说话人名字,约 32 分钟)通读;视频没有看。发布日期取自节目的 YouTube 频道订阅源,时长取自节目页。主持人 Jamie Montgomery 是 March Capital 的联合创始人;March Capital 参与了 Lila 的种子轮和 A 轮,节目结尾他也说自己是 Lila 的投资人。 打开原访谈 ↗节目页与文字稿(Riverside) ↗